IPCC第五次评估报告提出,全球温室气体排放总量的49%与城市有关,且比重仍在不断上升[1]。2010年,我国出台了《关于开展低碳省区和低碳城市试点工作的通知》,至今已经有3批,共6个省和81个城市成为低碳试点地区。江苏省苏州市作为第二批低碳试点位列其中。作为东部经济发达地区、GDP位于全国前列的城市,苏州积极响应国家号召开展低碳城市试点工作,2012年底编制了《苏州市国家低碳试点城市工作初步实施方案》,该方案于2013年开始实施。
苏州市经济与社会发展维持了高水平上的中高速增长,“十二五”期间地区生产总值增加9.5%,2015年服务业增加值比重达到49.9%左右,第三产业比重显著增加。城乡一体化程度高,“十一五”期间城镇化比例已经达到70%。2015年常住人口数量为1 061.6万人。同时,苏州能源活动排放占据主导地位,碳排放总量大强度高。2010年苏州市能源活动碳排放就占总碳排放的95%。能源结构调整减排压力较大。此外,苏州可再生资源禀赋匮乏,无法大规模开展非化石能源发电。“十三五”时期碳减排策略的选择和实施,关系到苏州市能否完成实施方案中提出的2020年碳排放达峰的目标。
近年来,国家、省市、跨区域等各个层面的低碳工作研究广泛开展,例如,国家层面的工业碳排放强度和排放量现状解析和未来轨迹的研究[2],“城市-工业”跨部门交互带来的脱碳效果和健康协同效应研究[3],基于投入产出法量化城市规模排放责任[4]等研究。其中,Ramaswami[5]的研究详细阐述了不同的社会角色对碳减排策略的分类以及减排潜力的影响,他以美国丹佛市为例探讨了三类社会参与者的角色:个人用户、基础设施设计人员以及美国城市温室气体的政策参与者,探讨了他们对城市减碳潜力的影响。基于以上影响,本文识别了《苏州市低碳试点工作实施方案》中的重点减排领域,并基于不同利益相关群体分析了碳减排策略中不同群体单独作用和联合作用对碳减排潜力的影响。
1 数据与方法 1.1 苏州市碳排放核算及清单分析方法根据《 2006年IPCC国家温室气体清单指南》 [6],GHG的核算范围主要包括能源碳排放和非能源碳排放。基于《苏州市低碳试点工作实施方案》,本研究中的能源碳排放主要包括工业、交通、建筑,以及电力、热力的生产和供应业一次能源消费的碳排放,非能源碳排放包括工业过程碳排放。
本研究中涉及的能源消耗的碳排放因子主要采用国家级温室气体排放核算方法与报告指南、《 2006年IPCC国家温室气体清单指南》和省级温室气体清单编制指南[7]中的推荐方法计算得到[8]。核算方法如下:
(1)工业能源
(1) |
其中,Eindustry为工业能源消耗产生的CO2排放量,单位为t;C为工业能源消耗量,单位为t、万m3等;EF为碳排放因子(以CO2计),单位为t;i为工业子部门,如纺织业等;j为能源消费类型,如原煤、洗精煤、焦炭、汽油、柴油等。
(2)工业过程
工业过程排放主要包括工业生产过程中由于化学或物理转化材料释放的温室气体排放。
(2) |
其中,Eprocess为工业产品生产过程中的温室气体排放,单位为t;P为各种工业产品的产量,单位为t、m3等;GWP为各种温室气体的全球增温潜势;EF为工业产品生产过程中的各种温室气体的排放因子,单位为吨;i为温室气体类型,主要指CF4、NF3和SF6等;j为工业产品类型,如水泥、钢铁等。(本文只考虑水泥、石灰、钢铁、电石四种工业产品产生的碳排放,其他工业产品产生的温室气体排放忽略不计。)
(3)交通部门
交通部门包括道路交通、水运和空运。鉴于苏州市的实际情况,本研究仅考虑道路交通碳排放,液体燃料和气体燃料消耗量分别通过下列公式计算。
(3) |
(4) |
其中,FCi为核算和报告期内第i种化石燃料的消耗量,液体燃料为t,气体燃料为万104 Nm3;kij为核算和报告期内第j个车型全部运输工具的行驶里程,单位为km;OCij为第j个车型运输工具的百公里燃油(气)量,单位为L/100km;m3 /100 km;Ci为第i种化石燃料的密度[9]。
(5) |
其中,Etransport为交通部门消耗产生的CO2排放量,单位为t。FC为化石燃料消耗量,单位为t、万m3等;EF为碳排放因子(以CO2计),单位为t;i为燃料类型,如汽油、柴油、天然气。
(4)建筑设计
建筑设计部门在修建过程中主要包括建材行业和家具制造业。
(6) |
其中,Eindustry为工业能源消耗产生的CO2排放量,单位为t;C为工业能源消耗量,单位为t、万m3等;EF为碳排放因子(以CO2计),单位为t;i为工业子部门,如建材行业等;j为能源消费类型,如原煤、洗精煤、焦炭、汽油、柴油等。
(5)建筑运行
对于公共建筑,由于当前无法直接获取公共建筑运行能耗,本研究拟用第三产业的能耗数据替代公共建筑运行能耗数据,主要核算商业建筑内部活动(如餐饮、娱乐等)的能耗碳排放。
(7) |
其中,Ebuilding-p为公共建筑耗能产生的CO2e排放量,单位为t;C为能源消耗量,单位为t、万m3等;EF为碳排放因子(以CO2计),单位为t;i为能源类型。对于住宅建筑,运行(或居民生活)消耗的能源类型主要有天然气、液化石油气和人工煤气。
(8) |
其中,Ebuilding-R为住宅建筑耗能产生的CO2e排放量,单位为t;C为能源消耗量,单位为t、万m3等;EF为碳排放因子(以CO2计),单位为t;i为能源类型,主要包括天然气、液化石油气和人工煤气等。
(6)电力、热力的生产和供应业
苏州市将能源减排作为碳减排的一个重要举措,考虑到苏州市将在未来着力发展燃气发电,适度利用光伏发电、风电等能源改造措施,故将电力行业部门单独列出来作为能源碳排放的主要贡献部门,主要考虑电力、热力的生产和供应。
(9) |
其中,Eindustry为工业能源消耗产生的CO2排放量,单位为t;C为工业能源消耗量,单位为t、万m3等;EF为碳排放因子(以CO2计),单位为t;i为工业子部门,如电力行业等;j为能源消费类型,如原煤、洗精煤、焦炭、汽油、柴油等。
1.2 苏州市碳排放预测情景设计苏州市碳排放预测及减排贡献分析情景设计与主要参数如表 1、表 2所示。
(1)工业能源
工业是碳排放的主要行业,因此在短期和长期情景中需要对工业能源消耗进行详细分析。工业能源部门预测的基本思路是子行业单位产值碳排放乘以子行业总产值,得出每个子行业的碳排放量,相加得到工业部门总碳排放。
(10) |
其中,Eindustry为工业部门碳排放量;GOV为子行业总产值;CI为子行业单位产值碳排放;i为工业部门不同子行业。
(2)工业生产过程
工业生产过程产生的碳排放是由于化学或者物理转化过程中生产材料或者产品产生的碳排放。工业产品生产技术已经比较成熟,所以未来碳排放因子的值设定为不发生改变,在预测过程中只考虑未来产品产量的改变。
(3)建筑
公共建筑的碳排放预测方法如下:
(11) |
其中,EP表示公共建筑运行碳排放,单位为万t CO2e;SP表示公共建筑面积,单位为万m3;EUIi表示公共建筑中能源类型i的单位面积能耗,预测考虑公共建筑用电、天然气和液化石油气,单位为kWh/m2、m3/m2、t/m2;EFi表示i类型能源的排放因子,t CO2e/10 000kWh,t CO2e/m3,t CO2e/t。为避免重复计算,计算苏州市全社会温室气体排放的时候,不再计算公共建筑运行中消耗的电力产生的碳排放。
(12) |
其中,SP, T表示第T年的公共建筑面积,单位为万m3;ET表示第T年公共建筑面积对第三产业增加值的弹性系数,无量纲;αT表示第T年的第三产业增加值增长率,%。
住宅建筑的碳排放预测方法如下:
(13) |
其中,EP表示住宅建筑运行碳排放,单位为万t CO2e;SR表示住宅建筑面积,单位为万m2;EUIi表示住宅建筑中能源类型i的能耗强度,单位为kWh/m2、m3/m2、t/ m2;EFi表示i类型能源的排放因子,单位为t CO2e/10 000kWh、t CO2e/m3、t CO2e/t;i表示能源类型,包括电力、天然气、液化石油气。
(14) |
其中,SR表示住宅建筑面积,单位为万m2;P表示常住人口数;D表示人均住宅面积需求,单位为m2 /人。
(4)交通
在交通碳排放预测时考虑的因素为各车型保有量、各车型年均行驶里程数[15]与每百公里燃油(气)消耗量[16]。假设各车型的年均行驶里程数不发生改变(维持2015年的水平)。
根据各车型机动车保有量预测情形的不同,将机动车未来的发展情况分为高方案和低方案:①高方案:至2025年,机动车千人保有量达到520辆;②低方案:至2025年,机动车千人保有量达到270辆。假设2015—2020年及2020—2025年各车型比重不变,每百公里的燃油(气)消耗保持2015年水平不变。
2 结果与讨论 2.1 苏州市碳排放量结果(2011—2015)苏州市“十二五”期间(2011—2015)碳排放结果如表 3所示[10]。
结果表明,2011—2015年,工业能源占比达到55%,交通碳排放呈现逐年上升趋势,从7%上升到9%,建筑设计碳排放一直稳定在约2%,建筑运行碳排放同样呈现逐年上升趋势,从2%上升到4%,而电力行业碳排放呈现稳定下降趋势,从32%下降到26%。
2.2 不同情景下苏州市碳排放量预测结果利用情景分析法,计算了基准情景以及不同行业部门设定的减排情景组成的综合情景下苏州市未来碳排放趋势,见表 4。
图 1显示,综合减排高方案情景下,苏州市能够完成《苏州市低碳试点工作实施方案》中2020年碳达峰目标。结果表明,在2020年前后,碳排放达到峰值开始下降。相较2020年,2025年碳排放总量将减排182万t,其中工业能源完成约1 753万t、工业过程完成约20万t减排量。但是未来交通碳排放将呈现出较高增长(1 567万t),公共建筑也略有增加(52万t)。
图 2显示,综合减排高方案情景中,到2020年,苏州市碳排放强度将比2015年下降约27.8%;2025年碳排放强度将比2020年下降25.8%,能够落实《苏州市低碳试点工作实施方案》减排目标,并超额完成国家“十三五”规划制定的18%下降指标。此外,苏州市人均碳排放量在2020年将达到峰值,约为22.16t/人,与于美国峰值水平相当。2020年以后,人均碳排放量将稳步下降,但是相较峰值下降幅度不大,至2025年,人均碳排放值为21.77t/人。
图 3显示,综合减排低方案情景下,苏州市能更好地完成《苏州市低碳试点工作实施方案》 2020年达峰目标。碳排放总量削减量将增至1 638万t,交通部门碳排放将略有增长(81万t)。
图 4显示,综合减排情景低方案中,到2020年,苏州碳排放强度将比2015年下降约30.0%;2025年碳排放强度将比2020年下降达30.6%,超额完成“十三五”规划制定的18%下降指标。工业能源消耗对碳减排做出的贡献最大,而交通部门碳排放增量最大。苏州市人均碳排放量在2020年以前已达到峰值并开始下降,约为21.49t/人,略低于美国峰值水平,截至2025年,人均碳排放将进一步下降到19.74 t/人。
在筛选和确定低碳试点实施方案不同阶段减排策略的基础上,本文提出的这些策略按照自愿、监管、自愿与监管相结合的方式,从不同利益相关群体(基础设施使用者、基础设施设计者和运营者、政策制定者)角度分析其对各部门的减排效用。
其中,基础设施使用者主要包括城市居民、城市各个行业和企业;基础设施设计者和运营者主要包括建筑设计者、水处理厂、电厂、垃圾填埋厂等;政策制定者主要包括政府管理部门、非政府组织(NGOs)、媒体、城市范围内和范围内运作的相关利益集团[5]。各利益相关群体间关系如图 5所示。
将政策制定者简称为P,将基础设施设计者和运营者简称为D,将基础设施使用者简称为U。
(1)工业能源与工业生产过程
工业能源与工业生产过程减排中,起主导作用的是政策制定者、基础设施设计者和运营者,其参与了5类与监管有关的减排策略。而自愿减排策略中起作用的主要是基础设施使用者(参与2类减排策略)。具体见图 6。
(2)交通
交通部门减排中,政策制定者、基础设施设计者和运营者、基础设施使用者均参与减排,无论是自愿减排策略还是城市、国家层面与监管相关的减排策略,三者均具有很高的参与度。具体见图 7。
(3)建筑
建筑部门减排,政策制定者参与了所有4类减排策略,其次是基础设施设计者和运营者(参与了3类),最后是基础设施使用者(参与了2类),故政策制定者是各领域减排目标实现的关键。具体见图 8。
(4)电力、热力的生产和供应业
电力、热力的生产与供应业减排中,政策制定者同样是减排策略最重要的参与者,参与了4类减排策略,其次是基础设施设计者和运营者(参与了3类),最后是基础设施使用者(参与了2类)。具体见图 9。
“十二五”(2011—2015)期间,苏州市重点排放领域碳排放总量从2.10亿t增长到2.35亿t,年均增长率为2.7%。其中,工业能源消耗占比最高(55.82%),其次是电力、热力的生产与供应业(29.14%),最后是交通部门(8.19%)。
2016—2020年,碳排放量增速放缓,在综合减排情景高方案和低方案下,苏州市碳排放量均能在2020年到达峰值,届时,碳排放总量分别为2.38亿t和2.31亿t,其中高方案碳排放强度下降幅度约为27.8%,低方案下降幅度约为30.0%,均超额完成国家提出的“十三五”(2016—2020)期间碳排放强度下降18%的指标。至2020年,高方案人均碳排放为22.16t/人,低方案为21.49t/人,与美国峰值水平相当;2020—2025年碳排放量、人均碳排放呈现下降趋势,碳排放强度下降幅度与“十三五”时期相当。
2016—2025年,交通部门碳排放增速较快,苏州未来汽车保有量水平的变化将在一定程度上决定碳排放能否在2020年顺利达峰,因此控制汽车保有量增长是政府管理部门的重点工作。工业能源消耗始终是碳排放大户,因此,通过对高碳排放、高能耗工业的末位淘汰以及鼓励高新技术产业、新兴产业大力发展,传统工艺改造与新技术的研发,着力发展燃气发电、适度利用光伏发电、风电等能源结构调整系列措施,可以提高工业能源消耗的碳减排贡献率。
碳减排策略往往不是由一个部门独立产生作用,而是由多个利益相关群体共同作用产生减排贡献,每一个社会角色的单独作用、双重作用和三重作用都从生产端和消费端带来了有差异的贡献率。综合四个重点减排领域各策略,政策制定者参与度最高,其次是基础设施设计者和运营者,基础设施使用者参与度最低。这与苏州市低碳试点方案的政府主导特征相一致。识别不同利益相关群体进行减排策略分析,据此制定更好的跨部门甚至是跨区域战略,可以综合提升碳减排潜力。
[1] |
苏布达, 王腾飞, 尹宜舟.
IPCC第五次评估报告关于气候变化影响的检测和归因主要结论的解读[J]. 气候变化研究进展, 2014, 10(3): 203-207.
DOI:10.3969/j.issn.1673-1719.2014.03.008 |
[2] |
ZHANG X, ZHAO X R, JIANG Z J, et al.
How to achieve the 2030 CO2 emission-reduction targets for China's industrial sector:Retrospective decomposition and prospective trajectories[J]. Global environmental change, 2017, 44: 83-97 DOI:10.1016/j.gloenvcha.2017.03.003 |
[3] |
RAMASWAMI A, TONG K K, FANG A, et al.
Urban cross-sector actions for carbon mitigation with local health co-benefits in China[J]. Nature climate change, 2017, 7(10): 736-742 DOI:10.1038/nclimate3373 |
[4] |
LONG Y, YOSHIDA Y.
Quantifying city-scale emission responsibility based on input-output analysis-Insight from Tokyo, Japan[J]. Applied energy, 2018, 218: 349-360 DOI:10.1016/j.apenergy.2018.02.167 |
[5] |
RAMASWAMI A, BERNARD M, CHAVEZ A, et al.
Quantifying carbon mitigation wedges in U.S. cities:near-term strategy analysis and critical review[J]. Environmental science & technology, 2012, 46(7): 3629-3642 |
[6] |
国家温室气体清单特别工作组.《2006年IPCC国家温室气体清单指南第2卷能源》[EB/OL]. http://pic.caigou.com.cn/upfile/pro/2014/7/15/201407151236238522.pdf.
|
[7] |
陈其颢, 朱林, 王圣, 等.
江苏省温室气体排放清单基础研究[J]. 环境科学与管理, 2012, 37(10): 1-4.
DOI:10.3969/j.issn.1673-1212.2012.10.001 |
[8] |
王云霞.江苏省能源与工业过程温室气体排放现状及趋势研究[D].南京: 南京大学, 2014.
http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y2949141 |
[9] |
国家发展改革委.《陆上交通运输企业温室气体排放核算方法与报告指南(试行)》[EB/OL]. http://www.yahuacn.com/uploads/soft/20160722/1469166246.pdf.
|
[10] |
<Emission-inventory-construction-method.pdf>[J].
|
[11] |
政宣.
对编制苏州市"十三五"规划的几点建议[J]. 江苏政协, 2015(12): 15-17.
|
[12] |
董小林, 韩妮晏, 薛文婕, 等.
基于经济弹性系数的环境经济系统分析[J]. 西北大学学报(哲学社会科学版), 2015, 45(4): 37-43.
|
[13] |
白静, 曲建升, 韦沁, 等.
我国城乡住宅建筑物化阶段碳排量现状与趋势分析[J]. 环境工程, 2016, 34(10): 161-165.
|
[14] |
住建部.
住建部:《建筑节能与绿色建筑发展"十三五"规划》解读[J]. 居业, 2017(5): 7-7.
|
[15] |
何晓云, 张细雄, 吴砚, 等.
利用年检数据分析机动车行驶里程分布规律[J]. 轻工科技, 2017, 33(9): 87-89.
|
[16] |
刘卡, 余经历, 许利峰.
中国民用汽车保有状态及发展趋势分析[J]. 汽车实用技术, 2017(1): 67-68.
|
[17] |
周胤腾.苏州工业园区邻里中心适老性优化设计研究[D].苏州: 苏州科技大学, 2017.
http://cdmd.cnki.com.cn/Article/CDMD-10332-1017125153.htm |
[18] |
任圣臣.苏州区域性物流中心城市建设研究[D].苏州: 苏州科技大学, 2016.
http://cdmd.cnki.com.cn/Article/CDMD-10332-1016181857.htm |
[19] |
罗东晓, 郑少芬.
天然气汽车的经济性分析[J]. 煤气与热力, 2007, 27(3): 21-24.
DOI:10.3969/j.issn.1000-4416.2007.03.007 |